Inteligência artificial confirma hipótese de 30 anos sobre a estrutura molecular da água
Uma equipe de pesquisadores da Universidade da Cidade de Hong Kong afirma ter encontrado, com o auxílio de inteligência artificial, a primeira evidência molecular que sustenta uma hipótese proposta há três décadas: a de que a água se comporta, simultaneamente, como dois líquidos diferentes em constante transformação. O estudo foi publicado em 4 de junho na revista Nature Physics, sob liderança do químico físico Xiao Cheng Zeng.
A ideia central da pesquisa parte da chamada hipótese dos dois estados, que sugere que as moléculas de água alternam continuamente entre duas configurações locais. Em uma delas, as moléculas se organizam de maneira mais compacta, formando uma estrutura de alta densidade. Na outra, elas se distribuem de forma mais espaçada, configurando um estado de baixa densidade. Segundo Zeng, essa troca invisível entre as duas formas seria a chave para explicar uma série de comportamentos considerados anômalos da água em relação a outros líquidos.
A maioria das substâncias se torna mais densa ao ser resfriada, mas a água segue esse padrão apenas até atingir 4 graus Celsius. A partir desse ponto, ela se expande, o que faz o gelo flutuar sobre o líquido. A água também apresenta resistência incomum a variações de temperatura quando comparada a líquidos de composição semelhante, além de uma viscosidade que diminui sob determinadas condições de pressão. Para os pesquisadores, todos esses fenômenos podem estar conectados a uma mesma causa molecular, que permanecia sem comprovação direta até agora.
Para encontrar essa evidência, a equipe recorreu ao uso de aprendizado profundo não supervisionado, uma modalidade de inteligência artificial treinada para identificar padrões em grandes volumes de dados sem receber instruções específicas sobre o que procurar. O pesquisador de pós-doutorado Liwen Li conduziu simulações extensas de dinâmica molecular, técnica computacional que permite rastrear o movimento e a interação entre partículas em escala atômica, utilizando o pacote computacional GROMACS. As simulações acompanharam centenas de milhares de moléculas de água e geraram dezenas de milhões de pontos de dados ao longo do processo.
De acordo com Zeng, a abordagem tradicional exigiria o trabalho de muitos pesquisadores ao longo de anos para chegar a conclusões semelhantes. Com o uso de computadores e inteligência artificial, Li conseguiu realizar a análise em aproximadamente um ano e meio. Sem esses recursos, o próprio Zeng estima que o mesmo trabalho poderia ter demandado cerca de uma década de investigação.
A aplicação da inteligência artificial permitiu à equipe identificar as chamadas coordenadas de reação, variáveis que descrevem com precisão como a estrutura local de uma molécula de água muda de uma configuração para outra. Com base nesse mapeamento, os pesquisadores conseguiram representar os diferentes caminhos possíveis para essa transformação molecular.
Os resultados mostraram que, na maior parte do tempo, a alternância entre as duas estruturas ocorre por meio de um caminho chamado semiciclo, que envolve a superação de uma única barreira de energia. No entanto, próximo à fronteira entre a água de alta densidade e a água de baixa densidade, um limiar análogo ao ponto de fusão do gelo, as moléculas podem seguir uma rota diferente, conhecida como ciclo completo, que apresenta três barreiras de energia distintas. Zeng ilustrou a diferença comparando-a a uma montanha cortada ao meio: enquanto a maioria dos percursos utiliza a encosta mais suave, perto do ponto onde as duas metades se encontram é possível contornar o pico inteiro.
A compreensão mais aprofundada da estrutura molecular da água pode trazer implicações relevantes para diferentes áreas da ciência e da indústria. Segundo Zeng, entender como a água se organiza em nível molecular ajuda a explicar o comportamento de sais, proteínas e moléculas de fármacos quando estão dissolvidos em meio aquoso. Como a grande maioria dos processos biológicos e farmacêuticos ocorre justamente em soluções à base de água, esse conhecimento pode influenciar desde o desenvolvimento de medicamentos injetáveis até o entendimento do funcionamento celular.
O próprio pesquisador reconhece que a aplicação prática dos resultados ainda está distante, mas avalia que a base científica para investigações futuras acaba de se tornar mais consistente. A equipe já trabalha no desenvolvimento de um modelo de aprendizado de máquina mais rigoroso, com o objetivo de confirmar os resultados obtidos e conectá-los a propriedades diretamente mensuráveis, como densidade, viscosidade e temperatura.
